MongoDB索引类型汇总分享

2024-08-05 17:18:13

单字段索引

在单个字段上创建升序索引

handong1:PRIMARY> db.test.getIndexes()
[
	{
		"v" : 2,
		"key" : {
			"_id" : 1
		},
		"name" : "_id_",
		"ns" : "db6.test"
	}
]

在字段id上添加升序索引

handong1:PRIMARY> db.test.createIndex({"id":1})
{
	"createdCollectionAutomatically" : false,
	"numIndexesBefore" : 1,
	"numIndexesAfter" : 2,
	"ok" : 1,
	"$clusterTime" : {
		"clusterTime" : Timestamp(1621322378, 1),
		"signature" : {
			"hash" : BinData(0,"AAAAAAAAAAAAAAAAAAAAAAAAAAA="),
			"keyId" : NumberLong(0)
		}
	},
	"operationTime" : Timestamp(1621322378, 1)
}

handong1:PRIMARY> db.test.getIndexes()
[
	{
		"v" : 2,
		"key" : {
			"_id" : 1
		},
		"name" : "_id_",
		"ns" : "db6.test"
	},
	{
		"v" : 2,
		"key" : {
			"id" : 1
		},
		"name" : "id_1",
		"ns" : "db6.test"
	}
]

handong1:PRIMARY> db.test.find({"id":100})
{ "_id" : ObjectId("60a35d061f183b1d8f092114"), "id" : 100, "name" : "handong", "ziliao" : { "name" : "handong", "age" : 25, "hobby" : "mongodb" } }

上述查询可以使用新建的单字段索引。

在嵌入式字段上创建索引

handong1:PRIMARY> db.test.createIndex({"ziliao.name":1})
{
	"createdCollectionAutomatically" : false,
	"numIndexesBefore" : 2,
	"numIndexesAfter" : 3,
	"ok" : 1,
	"$clusterTime" : {
		"clusterTime" : Timestamp(1621323677, 2),
		"signature" : {
			"hash" : BinData(0,"AAAAAAAAAAAAAAAAAAAAAAAAAAA="),
			"keyId" : NumberLong(0)
		}
	},
	"operationTime" : Timestamp(1621323677, 2)
}

以下查询可以用的新建的索引。

db.test.find({"ziliao.name":"handong"})

在内嵌文档上创建索引

handong1:PRIMARY> db.test.createIndex({ziliao:1})
{
	"createdCollectionAutomatically" : false,
	"numIndexesBefore" : 3,
	"numIndexesAfter" : 4,
	"ok" : 1,
	"$clusterTime" : {
		"clusterTime" : Timestamp(1621324059, 2),
		"signature" : {
			"hash" : BinData(0,"AAAAAAAAAAAAAAAAAAAAAAAAAAA="),
			"keyId" : NumberLong(0)
		}
	},
	"operationTime" : Timestamp(1621324059, 2)
}

以下查询可以使用新建的索引。

db.test.find({ziliao:{ "name" : "handong", "age" : 25, "hobby" : "mongodb" }})

复合索引

创建复合索引

db.user.createIndex({"product_id":1,"type":-1})

以下查询可以用到新建的复合索引

db.user.find({"product_id":"e5a35cfc70364d2092b8f5d14b1a3217","type":0})

多键索引

基于一个数组创建索引，MongoDB会自动创建为多键索引，无需刻意指定。
多键索引也可以基于内嵌文档来创建。
多键索引的边界值的计算依赖于特定的规则。
查看文档：

handong1:PRIMARY> db.score.find()
{ "_id" : ObjectId("60a32d7f1f183b1d8f0920ad"), "name" : "dandan", "age" : 30, "score" : [ { "english" : 90, "math" : 99, "physics" : 88 } ], "is_del" : false }
{ "_id" : ObjectId("60a32d8b1f183b1d8f0920ae"), "name" : "dandan", "age" : 30, "score" : [ 99, 98, 97, 96 ], "is_del" : false }
{ "_id" : ObjectId("60a32d9a1f183b1d8f0920af"), "name" : "dandan", "age" : 30, "score" : [ 100, 100, 100, 100 ], "is_del" : false }
{ "_id" : ObjectId("60a32e8c1f183b1d8f0920b0"), "name" : "dandan", "age" : 30, "score" : [ { "english" : 70, "math" : 99, "physics" : 88 } ], "is_del" : false }
{ "_id" : ObjectId("60a37b141f183b1d8f0aa751"), "name" : "dandan", "age" : 30, "score" : [ 96, 95 ] }
{ "_id" : ObjectId("60a37b1d1f183b1d8f0aa752"), "name" : "dandan", "age" : 30, "score" : [ 96, 95, 94 ] }
{ "_id" : ObjectId("60a37b221f183b1d8f0aa753"), "name" : "dandan", "age" : 30, "score" : [ 96, 95, 94, 93 ] }

创建score字段多键索引：

db.score.createIndex("score":1)

handong1:PRIMARY> db.score.find({"score":[ 96, 95 ]})
{ "_id" : ObjectId("60a37b141f183b1d8f0aa751"), "name" : "dandan", "age" : 30, "score" : [ 96, 95 ] }

查看执行计划：

handong1:PRIMARY> db.score.find({"score":[ 96, 95 ]}).explain()
{
	"queryPlanner" : {
		"plannerVersion" : 1,
		"namespace" : "db6.score",
		"indexFilterSet" : false,
		"parsedQuery" : {
			"score" : {
				"$eq" : [
					96,
					95
				]
			}
		},
		"queryHash" : "8D76FC59",
		"planCacheKey" : "E2B03CA1",
		"winningPlan" : {
			"stage" : "FETCH",
			"filter" : {
				"score" : {
					"$eq" : [
						96,
						95
					]
				}
			},
			"inputStage" : {
				"stage" : "IXSCAN",
				"keyPattern" : {
					"score" : 1
				},
				"indexName" : "score_1",
				"isMultiKey" : true,
				"multiKeyPaths" : {
					"score" : [
						"score"
					]
				},
				"isUnique" : false,
				"isSparse" : false,
				"isPartial" : false,
				"indexVersion" : 2,
				"direction" : "forward",
				"indexBounds" : {
					"score" : [
						"[96.0, 96.0]",
						"[[ 96.0, 95.0 ], [ 96.0, 95.0 ]]"
					]
				}
			}
		},
		"rejectedPlans" : [ ]
	},
	"serverInfo" : {
		"host" : "mongo3",
		"port" : 27017,
		"version" : "4.2.12",
		"gitVersion" : "5593fd8e33b60c75802edab304e23998fa0ce8a5"
	},
	"ok" : 1,
	"$clusterTime" : {
		"clusterTime" : Timestamp(1621326912, 1),
		"signature" : {
			"hash" : BinData(0,"AAAAAAAAAAAAAAAAAAAAAAAAAAA="),
			"keyId" : NumberLong(0)
		}
	},
	"operationTime" : Timestamp(1621326912, 1)
}

可以看到已经使用了新建的多键索引。

文本索引

为了支持对字符串内容的文本搜索查询，MongoDB提供了文本索引。文本(text )索引可以包含任何值为字符串或字符串元素数组的字段

db.user.createIndex({"sku_attributes":"text"})

db.user.find({$text:{$search:"测试"}})

查看执行计划：

handong1:PRIMARY> db.user.find({$text:{$search:"测试"}}).explain()
{
	"queryPlanner" : {
		"plannerVersion" : 1,
		"namespace" : "db6.user",
		"indexFilterSet" : false,
		"parsedQuery" : {
			"$text" : {
				"$search" : "测试",
				"$language" : "english",
				"$caseSensitive" : false,
				"$diacriticSensitive" : false
			}
		},
		"queryHash" : "83098EE1",
		"planCacheKey" : "7E2D582B",
		"winningPlan" : {
			"stage" : "TEXT",
			"indexPrefix" : {

			},
			"indexName" : "sku_attributes_text",
			"parsedTextQuery" : {
				"terms" : [
					"测试"
				],
				"negatedTerms" : [ ],
				"phrases" : [ ],
				"negatedPhrases" : [ ]
			},
			"textIndexVersion" : 3,
			"inputStage" : {
				"stage" : "TEXT_MATCH",
				"inputStage" : {
					"stage" : "FETCH",
					"inputStage" : {
						"stage" : "OR",
						"inputStage" : {
							"stage" : "IXSCAN",
							"keyPattern" : {
								"_fts" : "text",
								"_ftsx" : 1
							},
							"indexName" : "sku_attributes_text",
							"isMultiKey" : true,
							"isUnique" : false,
							"isSparse" : false,
							"isPartial" : false,
							"indexVersion" : 2,
							"direction" : "backward",
							"indexBounds" : {

							}
						}
					}
				}
			}
		},
		"rejectedPlans" : [ ]
	},
	"serverInfo" : {
		"host" : "mongo3",
		"port" : 27017,
		"version" : "4.2.12",
		"gitVersion" : "5593fd8e33b60c75802edab304e23998fa0ce8a5"
	},
	"ok" : 1,
	"$clusterTime" : {
		"clusterTime" : Timestamp(1621328543, 1),
		"signature" : {
			"hash" : BinData(0,"AAAAAAAAAAAAAAAAAAAAAAAAAAA="),
			"keyId" : NumberLong(0)
		}
	},
	"operationTime" : Timestamp(1621328543, 1)
}

可以看到通过文本索引可以查到包含测试关键字的数据。
**注意：**可以根据自己需要创建复合文本索引。

2dsphere索引

创建测试数据

db.places.insert(
   {
      loc : { type: "Point", coordinates: [ 116.291226, 39.981198 ] },
      name: "火器营桥",
      category : "火器营桥"
   }
)

db.places.insert(
   {
      loc : { type: "Point", coordinates: [ 116.281452, 39.914226 ] },
      name: "五棵松",
      category : "五棵松"
   }
)

db.places.insert(
   {
      loc : { type: "Point", coordinates: [ 116.378038, 39.851467 ] },
      name: "角门西",
      category : "角门西"
   }
)

db.places.insert(
   {
      loc : { type: "Point", coordinates: [ 116.467833, 39.881581 ] },
      name: "潘家园",
      category : "潘家园"
   }
)

db.places.insert(
   {
      loc : { type: "Point", coordinates: [ 116.468264, 39.914766 ] },
      name: "国贸",
      category : "国贸"
   }
)

db.places.insert(
   {
      loc : { type: "Point", coordinates: [ 116.46618, 39.960213 ] },
      name: "三元桥",
      category : "三元桥"
   }
)

db.places.insert(
   {
      loc : { type: "Point", coordinates: [ 116.400064, 40.007827 ] },
      name: "奥林匹克森林公园",
      category : "奥林匹克森林公园"
   }
)

添加2dsphere索引

db.places.createIndex( { loc : "2dsphere" } )

db.places.createIndex( { loc : "2dsphere" , category : -1, name: 1 } )

利用2dsphere索引查询多边形里的点

凤凰岭
[116.098234,40.110569]
天安门
[116.405239,39.913839]
四惠桥
[116.494351,39.912068]
望京
[116.494494,40.004594]

handong1:PRIMARY> db.places.find( { loc :
...                   { $geoWithin :
...                     { $geometry :
...                       { type : "Polygon" ,
...                         coordinates : [ [
...                                           [116.098234,40.110569] ,
...                                           [116.405239,39.913839] ,
...                                           [116.494351,39.912068] ,
...                                           [116.494494,40.004594] ,
...                                           [116.098234,40.110569]
...                                         ] ]
...                 } } } } )
{ "_id" : ObjectId("60a4c950d4211a77d22bf7f8"), "loc" : { "type" : "Point", "coordinates" : [ 116.400064, 40.007827 ] }, "name" : "奥林匹克森林公园", "category" : "奥林匹克森林公园" }
{ "_id" : ObjectId("60a4c94fd4211a77d22bf7f7"), "loc" : { "type" : "Point", "coordinates" : [ 116.46618, 39.960213 ] }, "name" : "三元桥", "category" : "三元桥" }
{ "_id" : ObjectId("60a4c94fd4211a77d22bf7f6"), "loc" : { "type" : "Point", "coordinates" : [ 116.468264, 39.914766 ] }, "name" : "国贸", "category" : "国贸" }

可以看到把集合中包含在指定四边形里的点，全部列了出来。

利用2dsphere索引查询球体上定义的圆内的点

handong1:PRIMARY> db.places.find( { loc :
...                   { $geoWithin :
...                     { $centerSphere :
...                        [ [ 116.439518, 39.954751 ] , 2/3963.2 ]
...                 } } } )
{ "_id" : ObjectId("60a4c94fd4211a77d22bf7f7"), "loc" : { "type" : "Point", "coordinates" : [ 116.46618, 39.960213 ] }, "name" : "三元桥", "category" : "三元桥" }

返回所有半径为经度 116.439518 E 和纬度 39.954751 N 的2英里内坐标。示例将2英里的距离转换为弧度，通过除以地球近似的赤道半径3963.2英里。

2d索引

在以下情况下使用2d索引：

您的数据库具有来自MongoDB 2.2或更早版本的旧版旧版坐标对。
您不打算将任何位置数据存储为GeoJSON对象。

哈希索引

要创建hashed索引，请指定 hashed 作为索引键的值，如下例所示：

handong1:PRIMARY> db.test.createIndex({"_id":"hashed"})
{
	"createdCollectionAutomatically" : false,
	"numIndexesBefore" : 4,
	"numIndexesAfter" : 5,
	"ok" : 1,
	"$clusterTime" : {
		"clusterTime" : Timestamp(1621419338, 1),
		"signature" : {
			"hash" : BinData(0,"AAAAAAAAAAAAAAAAAAAAAAAAAAA="),
			"keyId" : NumberLong(0)
		}
	},
	"operationTime" : Timestamp(1621419338, 1)
}

注意事项

MongoDB支持任何单个字段的 hashed 索引。hashing函数折叠嵌入的文档并计算整个值的hash值，但不支持多键(即.数组)索引。
您不能创建具有hashed索引字段的复合索引，也不能在索引上指定唯一约束hashed；但是，您可以hashed在同一字段上创建索引和升序/降序（即非哈希）索引：MongoDB将对范围查询使用标量索引。

到此这篇关于MongoDB索引类型汇总分享的文章就介绍到这了,更多相关MongoDB索引内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

关于对MongoDB索引的一些简单理解

目录索引简介 1.语法准备 2.数据准备: 3.索引 3.1 唯一索引 3.2 单键索引 3.3 多键索引 3.4 复合索引 3.5 交叉索引 3.6 部分索引 3.7覆盖索引 3.8 全文索引 4.索引限制 4.1 查询限制 4.2 范围限制总结索引简介索引可以提升文档的查询速度,但建立索引的过程需要使用计算与存储资源,在已经建立索引的前提下,插入新的文档会引起索引顺序的重排. MongoDB 的索引是基于 B-tree 数据结构及对应算法形成的.树索引存储特定字段或字段集的值,按字段
MongoDB通配符索引的用法实例

指南 MongoDB在4.2 版本推出了Wildcard Indexes,究竟什么是Wildcard Indexes以及Wildcard Indexes适合哪些场景本文结合官方文档以及实际测试进行简单概述. 1.通配符索引示例因为MongoDB是dynamic schemas,所以应用是可以查询任何已知字段或者随机字段的. 假设(此假设案例摘自官方文档),集合colA的UserMetadata字段包含如下数据: { "userMetadata" : { "likes&quo
mongoDB数据库索引快速入门指南

目录 MongoDB 索引 1. 开始与准备数据 2. 创建索引前 3. 创建索引 createIndex 4. 创建索引后 6.唯一索引与符合索引 ①唯一索引 ②复合索引 MongoDB 索引索引通常能够极大的提高查询的效率,如果没有索引,MongoDB在读取数据时必须扫描集合中的每个文件并选取那些符合查询条件的记录. 这种扫描全集合的查询效率是非常低的,特别在处理大量的数据时,查询可以要花费几十秒甚至几分钟,这对网站的性能是非常致命的. 索引是特殊的数据结构,索引存储在一个易于遍历读取的数
MongoDB中的定时索引示例详解

MongoDB中存在一种索引,叫做TTL索引(time-to-live index,具有生命周期的索引),这种索引允许为每一个文档设置一个超时时间.一个文档达到预设置的老化程度后就会被删除. 数据到期对于某些类型的信息非常有用,例如机器生成的事件数据,日志和会话信息,这些信息只需要在数据库中保存有限的时间. 在createIndex中指定expireAfterSeconds选项就可以创建一个TTL索引: // 超时时间为24小时,默认是前台运行,可以通过background:true设置为后台模
MongoDB如何正确中断正在创建的索引详解

我们在使用 MongoDB 的时候,会出现需要给一个已经存在的大集合的某个字段增加索引的情况. 索引分为前台索引和后台索引,对应到 pymongo 中创建索引的代码: import pymongo handler = pymongo.MongoClient().yourdb.yourcol # 前台索引 handler.create_index('字段名') # 后台索引 handler.create_index('字段名', background=True) 如果集合里面有很多数据,并且你使用
ubuntu安装mongodb创建账号和库及添加坐标索引的流程分析

摘要: 作为开发,nosql我们用的越来越多,代表性的是mongodb,速度快性能好,还能完美的创建二维索引．这里我们梳理一下ubuntu上安装mongodb创建账号和库及添加坐标索引一安装 1.1 安装php-mongodb sudo apt-get install php-mongodb 1.2 安装mongodb-org sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv 0C49F3730359A145
MongoDB中哪几种情况下的索引选择策略

目录一.MongoDB如何选择索引二.数据准备三.正则对index的使用四.$or从句对索引的利用五.sort对索引的利用六.搜索数据对索引命中的影响总结一.MongoDB如何选择索引如果我们在Collection建了5个index,那么当我们查询的时候,MongoDB会根据查询语句的筛选条件.sort排序等来定位可以使用的index作为候选索引:然后MongoDB会创建对应数量的查询计划,并分别使用不同线程执行查询计划,最终会选择一个执行最快的index:但是这个选择也不是一
关于MongoDB谨防索引seek的效率问题详析

背景最近线上的一个工单分析服务一直不大稳定,监控平台时不时发出数据库操作超时的告警. 运维兄弟沟通后,发现在每天凌晨1点都会出现若干次的业务操作失败,而数据库监控上并没有发现明显的异常. 在该分析服务的日志中发现了某个数据库操作产生了 SocketTimeoutException. 开发同学一开始希望通过调整 MongoDB Java Driver 的超时参数来规避这个问题. 但经过详细分析之后,这样是无法根治问题的,而且超时配置应该如何调整也难以评估. 下面是关于对这个问题的分析.调优的过程
MongoDB索引类型汇总分享

目录单字段索引在单个字段上创建升序索引在嵌入式字段上创建索引在内嵌文档上创建索引复合索引多键索引文本索引 2dsphere索引创建测试数据添加2dsphere索引利用2dsphere索引查询多边形里的点利用2dsphere索引查询球体上定义的圆内的点 2d索引哈希索引 MongoDB 4.2官方支持索引类型如下: 单字段索引复合索引多键索引文本索引 2dsphere索引 2d索引 geoHaystack索引哈希索引单字段索引在单个字段上创建升序索引 hando
MySQL索引概念及七种索引类型分享介绍

目录 1 索引的概念 2 索引的类型 1 索引的概念索引(在MySQL中也叫做“键(key)”)是存储引擎用于快速找到记录的一种数据结构,这也是索引最基本的功能. 索引对于良好的性能非常关键.数据量越大时,索引对性能的影响也越重要,好的索引可以将查询性能提高几个数量级.在数据量较小且负载较低时,不恰当的索引对性能的影响可能还不明显,但是在数据量逐渐增大时,糟糕的索引会使MySQL的性能急剧的下降. 索引优化是查询性能优化最有效的手段. 如果想要在一本书中找到某个特定主题,一般会先看书的目录,找
Mysql索引类型与基本用法实例分析

本文实例讲述了Mysql索引类型与基本用法.分享给大家供大家参考,具体如下: 索引 MySQL目前主要有以下几种索引类型: 普通索引唯一索引主键索引组合索引全文索引 - 普通索引是最基本的索引,它没有任何限制. CREATE INDEX IndexName ON `TableName`(`字段名`(length)) - 唯一索引与前面的普通索引类似,不同的就是:索引列的值必须唯一,但允许有空值.如果是组合索引,则列值的组合必须唯一. CREATE UNIQUE INDEX index
Mysql索引常见问题汇总

Q1:数据库有哪些索引?优缺点是什么? 1.B树索引:大多数数据库采用的索引(innoDB采用的是b+树).能够加快访问数据的速度,尤其是范围数据的查找非常快.缺点是只能从索引的最左列开始查找,也不能跳过索引中的列,如果查询中有某个列用到了范围查询,则右边所有列都无法使用索引优化查找. 2.哈希索引:基于哈希表实现.在MySQL中,只有Memory引擎显式的支持哈希搜索.哈希查找的速度非常快,但哈希索引只包含哈希值和行指针,不存储字段值,所以不能用索引中的值来避免读取行,也不能进行排序.由于哈希
Mongodb索引的优化

MongoDB 是一个基于分布式文件存储的数据库.由 C++ 语言编写.旨在为 WEB 应用提供可扩展的高性能数据存储解决方案.MongoDB索引几乎和关系型数据库的索引一样.MongoDB的查询优化器能够使用这种数据结构来快速的对集合(collection)中的文档(collection)进行寻找和排序.准确来说,这些索引是通过B-Tree索引来实现的.在命令行中,可以通过调用ensureIndex()函数来建立索引,该函数指定一个到多个需要索引的字段,下面介绍mongodb索引如何优化一.
MongoDB索引使用详解

索引就像书的目录,如果查找某内容在没有目录的帮助下,只能全篇查找翻阅,这导致效率非常的低下:如果在借助目录情况下,就能很快的定位具体内容所在区域,效率会直线提高. 索引简介首先打开命令行,输入mongo.默认mongodb会连接名为test的数据库. ➜ ~ mongo MongoDB shell version: 2.4.9 connecting to: test > show collections > 可以使用show collections/tables查看数据库为空. 然后在mon
MySQL 索引知识汇总

MySQL索引的建立对于MySQL的高效运行是很重要的,索引可以大大提高MySQL的检索速度. 打个比方,如果合理的设计且使用索引的MySQL是一辆兰博基尼的话,那么没有设计和使用索引的MySQL就是一个人力三轮车. 拿汉语字典的目录页(索引)打比方,我们可以按拼音.笔画.偏旁部首等排序的目录(索引)快速查找到需要的字. 索引分单列索引和组合索引.单列索引,即一个索引只包含单个列,一个表可以有多个单列索引,但这不是组合索引.组合索引,即一个索引包含多个列. 创建索引时,你需要确保该索引是应用在
C/C++ 常用排序算法整理汇总分享

(伪)冒泡排序算法: 相邻的两个元素之间,如果反序则交换数值,直到没有反序的记录为止. #include <stdio.h> void BubbleSort(int Array[], int ArraySize) { int x, y, temporary; for (x = 0; x < ArraySize - 1; x++) { for (y = x + 1; y < ArraySize; y++) { if (Array[x] > Array[y]) { tempora
Mysql事务索引知识汇总

目录一.事务 1.事务特性 2.事务并发时出现的问题二.索引 1.索引使用 2.索引类型 3.索引注意原则三.SQL 1.SQL优点 2.SQL分类 3.SQL语法及关键字四.数据库设计 1.数据库三大范式 2.数据库规范设计一.事务 mysql事务是用于处理操作量大.复杂性高的数据 1. 事务特性原子性:保证每个事务所有操作要么全部完成或全部不完成,不可能停滞在中间环节:如事务在执行过程中出现错误,则会回滚到一致性:事务开始结束后保证数据库的完整性没有被破坏,数据都是按照数据库要求
MongoDB特定类型的查询语句实例

目录 null 正则表达式查询数组 “$all” “$size” “$slice” 返回一个匹配的数组元素数组与范围查询的相互作用查询内嵌文档总结 MongoDB 在一个文档中可以使用多种类型的数据,其中一些类型在查询时会有特别的行为. null null 的行为有一些特别.它可以与自身匹配,所以如果有一个包含如下文档的集合: > var documents = [ ... {_id: 1, y: null}, ... {_id: 2, y: 1}, ... {_id: 3, y: 2}